基于Docker转录组差异性表达分析自动化处理框架的研究

论文摘要

差异性表达分析是转录组研究的核心目标之一,对于揭示基因功能和调控规律具有重要意义。但该分析属于多步迭代且耗时较长的计算密集型过程,软件之间具有复杂的数据依赖关系,输入输出格式不尽相同,传统方式下软件安装与使用复杂、繁琐的手动操作、分析环境的不易迁移以及无法按需集成都是有待解决的关键问题。针对上述问题,文中首次将云开源项目Docker容器技术应用于生物信息领域,提出了一种高效自动化的转录组差异性表达分析方法,最终形成了一种更为简单易用的框架与平台。具体工作如下:（1）本文深入调研总结了国内外转录组差异性表达分析自动化研究现状,提出将Docker容器技术应用于转录组差异性表达分析领域的方法,将整合形成的最佳实践流程各环节依赖组件在可移植的Docker容器中内置与集成,内部采用“多脚本联动”与Web服务相结合的方式进行了转录组差异性表达分析高效自动化的实现。（2）其次,本文以6节点的Kubernetes集群为实验环境,将上述方法与传统人工方式进行样本分析测试,对准确性以及处理效率等多方面进行实验验证。实验结果表明,与传统方式相比,该方法的分析时间缩短约69.3%,效率提升2倍左右,为研究人员提供了更高效的技术支持。（3）最后,本文基于上述方法形成了转录组差异性分析自动化分析框架DEA-container框架,该框架提供了友好的用户访问界面和自动向用户生成报告的功能,对外提供单一的数据输入和输出端点,用户仅需对分析序列进行上传与提交,无需其他任何操作。当后端服务器处理分析完毕后,会将分析结果文件通过Web界面反馈至用户的同时并提供用户下载结果文件功能,进而为生物学家进一步的研究提供可靠性依据。

论文目录

• 摘要
• Abstract
• 1 绪论
•   1.1 研究背景及意义
•     1.1.1 课题来源
•     1.1.2 研究背景及意义
•     1.1.3 转录组差异性表达分析面临的挑战
•   1.2 国内外研究现状
•     1.2.1 面向特定任务的软件集成工具包
•     1.2.2 可配置的组学数据分析工作流管理系统
•     1.2.3 面向多组学数据分析的集成工作流管理平台
•     1.2.4 国内外研究现状分析和总结
•   1.3 研究内容
•   1.4 课题研究的创新点
•   1.5 论文组织结构
• 2 基本理论与相关技术概述
•   2.1 转录组差异性表达分析
•   2.2 转录组差异性表达分析流程
•   2.3 Docker容器技术
•     2.3.1 基本原理
•     2.3.2 Docker体系架构
•     2.3.3 Docker核心优势
•   2.4 Kubernetes容器管理编排系统
•     2.4.1 原理概述
•     2.4.2 Kubernetes集群架构
•     2.4.3 Kubernetes技术优势
•   2.5 本章小结
• 3 转录组差异性表达分析自动化框架的研究
•   3.1 最佳实践流程
•   3.2 基于Docker的转录组差异性表达分析方法
•     3.2.1 框架层次构建
•     3.2.2 核心层
•     3.2.3 多脚本联动过程
•     3.2.4 检错纠错机制
•     3.2.5 用户服务界面
•   3.3 本章小结
• 4 实验与结果分析
•   4.1 实验环境搭建
•     4.1.1 Kubnetes-Docker集群部署
•   4.2 实验结果与验证
•     4.2.1 准确性验证
•     4.2.2 高效性验证
•     4.2.3 部署时间对比验证
•     4.2.4 与其他自动化框架对比性实验
•   4.3 本章小结
• 5 总结与展望
•   5.1 本文工作总结
•   5.2 未来工作展望
• 致谢
• 参考文献
• 作者简介

文章来源

类型: 硕士论文

作者: 赵芳

导师: 高静

关键词: 转录组差异性表达分析,容器,最佳实践流程,集群

来源: 内蒙古农业大学

年度: 2019

分类: 基础科学

专业: 生物学

单位: 内蒙古农业大学

基金: 国家自然科学金《蒙古高原反刍家畜基因序列比对分析云计算平台研究及变异关联数据库的研究》(项目编号:61462070),内蒙古农业大学博士科研启动基金资助项目(项目编号:BJ09-44)

分类号: Q811.4

DOI: 10.27229/d.cnki.gnmnu.2019.000364

总页数: 53

文件大小: 4963K

下载量: 30